---
title: "Lente Ecologica"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
library(flexdashboard)
library(tidyverse)
library(plotly)
library(leaflet)
library(plotly)

iris <- read.csv("~/git/ciencia_colab/data/iris_mod.csv", header = T)
campos <- read.csv("~/git/ciencia_colab/data/campos_gbif_25apr2022.csv", header = T)
NORFLU <- rgdal::readOGR("NORFLU/map.shp")

```

# Início

## Introdução {.sidebar}

![](images/usingR.jpeg){width="200"}

O nome "Lente Ecológica" faz um paralelo entre as metodologias utilizadas no projeto e como a sociedade percebe o meio ambiente. O objetivo geral do projeto é ajustar o 'foco' dos participantes em relação a como estes enxergam a fauna e flora, e como o ser humano se observa nessas relações. Utilizando a observação direta como meio de inserção dos participantes no contexto ambiental através das lentes dos usuários (câmeras e *smartphones*) e meios de comunicação interativos -- as mídias sociais, o projeto buscará incentivar o aprendizado empírico-científico e gerar sensibilização ambiental.

## Row 1 {data-height="650"}

### **Ocorrências de espécies no Norte Fluminense** - Cada ponto na imagem corresponde a um registro de ocorrência de uma espécie ou táxon na região Norte Fluminense. Os dados foram coletados da base *Global Biodiversity Information Facility* (GBIF).
```{r mapa_dori}

pal <- colorFactor(palette = "viridis", domain = unique(campos$kingdom))

NORFLU %>% 
  leaflet() %>% 
  addTiles() %>% 
  addPolygons(col = "",
              fillColor = "yellow",
              highlight = highlightOptions(weight = 0.5,
                                           color = "red",
                                           fillOpacity = 0.7,
                                           bringToFront = TRUE),
              label = ~NM_MUNICIP) %>% 
  addCircleMarkers(data = campos,
                   ~decimalLongitude,
                   ~decimalLatitude,
                   radius = 5,
                   #label = ~as.character(datasetName),
                   color = ~pal(campos$kingdom),
                   stroke = FALSE, fillOpacity = 0.5) %>%
  addLegend('bottomright',
          colors = unique(pal(campos$kingdom)),
          labels = unique(campos$kingdom),
          title = 'Dataset',
          opacity = 0.5)

```

## Row 2 {data-height="250"}

### Box1 {data-width="400"}

```{r}

a2 <- campos %>% 
  mutate(kingdom = factor(kingdom, levels = c("Viruses", "Bacteria", "Chromista", "Fungi", "Plantae", "Animalia", "incertae sedis"))) %>% 
  group_by(kingdom) %>% 
  summarise(spp = n_distinct(scientificName)) %>% 
  ggplot(aes(y = kingdom, x = spp, fill = kingdom)) +
    geom_bar(stat = 'identity') +
    theme_classic() +
    theme(legend.position = "") +
    labs(y = "")

ggplotly(a2) %>%
  layout(
    showlegend = F, 
    legend = list(orientation = 'h')
  )

```

### Box2

```{r}

rank <- campos %>% 
  mutate(kingdom = factor(kingdom, levels = c("Viruses", "Bacteria", "Chromista", "Fungi", "Plantae", "Animalia", "incertae sedis"))) %>% 
  group_by(kingdom, phylum) %>% 
  summarise(spp = n_distinct(paste(genus, species))) %>% 
  filter(!phylum %in% c(NA, "")) %>% 
  arrange(kingdom, spp) %>% 
  pull(phylum)

a1 <- campos %>% 
  mutate(kingdom = factor(kingdom, levels = c("Viruses", "Bacteria", "Chromista", "Fungi", "Plantae", "Animalia", "incertae sedis"))) %>% 
  group_by(kingdom, phylum) %>% 
  summarise(spp = n_distinct(paste(genus, species))) %>% 
  filter(!phylum %in% c(NA, "")) %>% 
  mutate(phylum = factor(phylum, levels = rank)) %>% 
  ggplot(aes(y = phylum, x = spp, fill = kingdom)) +
    geom_bar(stat = 'identity') +
    #facet_wrap(kingdom ~ ., scales = 'free', nrow = 1) +
    theme_classic() +
    theme(legend.position = "") +
    labs(x = "Número de táxons", y = "")

ggplotly(a1)


```

### Box3

```{r}

ggplotly(a1)

```

------------------------------------------------------------------------

# Municípios do Norte Fluminense

## Row 1 {data-height="100"}

### Indicador 1

```{r}

ggplotly(a1)

```

### Indicador 2

```{r}

ggplotly(a1)

```

### Indicador 3

```{r}

ggplotly(a1)

```

## Row 2 {data-height="300"}

### Boxplot

```{r}

ggplotly(a1)

```

### Grupos taxonômicos

```{r chart B}
a2 <- iris %>% 
  pivot_longer(cols = Sepal.Length:Petal.Width, names_to = "variable", values_to = "size") %>% 
  ggplot(aes(x = variable, y = size, color = Species)) +
    geom_boxplot() +
    facet_grid(~ Species) +
    theme_classic() +
    theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) +
    labs(y = "Size (cm)", x = "")

ggplotly(a2)

```

## Row 3 {data-height="300"}

### Temporal

```{r}

linhas <- campos %>%  
  group_by(year) %>% 
  summarise(id = n_distinct(occurrenceID),
            spp = n_distinct(species)) %>% 
  mutate(spp_cum = cumsum(spp)) 

b1 <- linhas %>% 
  ggplot(aes(y = id, x = year)) +
    geom_area(fill = "blue", alpha = 0.6) +
    geom_area(data = linhas, aes(y = spp), fill = "red", alpha = 0.6) +
    theme_classic() +
    theme(legend.position = "") +
    labs(x = "Anos", y = "Espécies registradas (n)") +
    scale_x_continuous(breaks = seq(1800, 2022, by = 20))

ggplotly(b1)

```

### Locais de amostragem (Península de Gaspe)

```{r chart C}
# conferir no mapa
iris %>% 
  leaflet() %>% 
  addTiles() %>% 
  addMarkers(~lon,
             ~lat)
```